KI als Game-Changer in der Datenverarbeitung

Die moderne Elektronik sieht sich kritischen Herausforderungen gegenüber, wie dem hohen Energieverbrauch und der zunehmenden Designkomplexität. In diesem Zusammenhang bietet die Magnonik – die Nutzung von Magnonen oder quantisierten Spinwellen in magnetischen Materialien – eine vielversprechende Alternative. Magnonen ermöglichen einen effizienten Datentransport und eine effiziente Datenverarbeitung bei minimalem Energieverlust. Angesichts der wachsenden Nachfrage nach innovativen Rechenlösungen, die von 5G- und kommenden 6G-Netzen bis hin zu neuromorphem Computing (das Funktionen des Gehirns nachahmt) reichen, stellt die Magnonik einen Paradigmenwechsel dar: Sie definiert die Art und Weise, wie Geräte entworfen und betrieben werden, komplett neu. Andrii Chumak von der Arbeitsgruppe Nanomagnetismus und Magnonik der Universität Wien und seine Kolleg*innen konnten nun einen innovativen magnonischen Prozessor entwickeln, der hochgradig anpassungsfähiges und energieeffizientes Computing ermöglicht.

Noura Zenbaa, Erstautorin der Studie, baute zusammen mit ihren Kollegen um Dieter Süss, Gruppe der Physik der Funktionsmaterialien an der Universität Wien, einen einzigartigen Versuchsaufbau mit 49 individuell gesteuerten Stromschleifen auf einem Yttrium-Eisen-Granat (YIG)-Film. Diese Schleifen erzeugten abstimmbare Magnetfelder zur Steuerung und Manipulation von Magnonen. Mit einem "Inverse-Design"-Ansatz ermöglichte das Team Algorithmen, die optimalen Konfigurationen zu bestimmen, um die gewünschten Gerätefunktionalitäten zu erreichen, und vereinfachte so den Designprozess erheblich. Einer der Algorithmen nutzte maschinelles Lernen, eine Form der künstlichen Intelligenz (KI). Per Definition ist künstliche Intelligenz eine Technologie, die es Computern und Maschinen ermöglicht, menschliches Lernen, Verständnis, Problemlösung, Entscheidungsfindung, Kreativität und Autonomie zu simulieren. Nach mehr als zwei Jahren Entwicklungs- und Testzeit hat das Team viele Herausforderungen gemeistert. "Es war ein harter Weg, aber unglaublich lohnend zu sehen, wie es schlussendlich zu unseren ersten erfolgreichen Messungen kam", sagte Noura Zenbaa. 

Der Prototyp des Teams hatte zwei Schlüsselfunktionen: Er fungierte als Bandsperrfilter (eine Komponente, die bestimmte Frequenzen blockiert) und als Demultiplexer (ein Gerät, das Signale an verschiedene Ausgänge weiterleitet). Diese Funktionalitäten sind für die drahtlose Kommunikation der nächsten Generation wie 5G und 6G von entscheidender Bedeutung. Im Gegensatz zu herkömmlichen Systemen, die maßgeschneiderte Komponenten erfordern, kann diese vielseitige Hardware für verschiedene Anwendungen angepasst werden, wodurch Komplexität, Kosten und Energieverbrauch reduziert werden. Laufende Forschungsarbeiten zeigen, dass das Gerät auch alle logischen Operationen mit Binärdaten ausführen kann und bei entsprechender Skalierung mit herkömmlichen Computern konkurrieren könnte.

Das Team plant, diese Technologie in neuromorphe Computer und andere fortschrittliche Systeme zu integrieren. Der aktuelle Prototyp ist zwar groß und energieintensiv, doch eine Verkleinerung auf unter 100 Nanometer könnte eine außergewöhnliche Effizienz ermöglichen, den Weg für eine energiesparende, universelle Datenverarbeitung ebnen und Lösungen für umweltfreundlichere Computertechnologien schaffen. "Dieses Projekt war ein kühnes Unterfangen mit vielen Unbekannten", so Andrii Chumak, leitender Autor der Studie. "Doch unsere ersten Messungen bestätigten die Machbarkeit – dieses Konzept funktioniert. Unsere Ergebnisse zeigen, wie künstliche Intelligenz das Gebiet der Physik verändert, ähnlich wie ChatGPT das Schreiben von Texten und die Lehre neu gestaltet."

Originalpublikation:

Noura Zenbaa, Claas Albert, Fabian Majcen, Michael Kerber, Rostyslav O. Serha, Sebastian Knauer, Qi Wang, Thomas Schrefl, Dieter Suess, Andrii V. Chumak. A universal inverse-design magnonic device. 

In Nature Electronics

DOI 10.1038/s41928-024-01333-7